这些课程的编程联系使用Pandas库来操控数据集，所以先来简单学习一下Pandas库。
在window上安装pandas
cmd进入Python的安装目录下的Scripts目录
先找到Python的安装目录下的Scripts, 可以在环境变量设置中找到，比如我这里是
#切换到d盘
d: #切换到Scripts目录
cd D:PythonPython36-32Scripts使用pip安装pandas
pip install pandas基本概念
导入pandas库
>>> import pandas as pd
>>> pd.__version__
'0.22.0'创建 Series
pandas 中的主要数据结构被实现为以下两类：
DataFrame，您可以将它想象成一个关系型数据表格，其中包含多个行和已命名的列。
Series，它是单一列。DataFrame 中包含一个或多个 Series，每个 Series 均有一个名称。
下面构建一个Series对象：
>>> pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
0 San Francisco
1 San Jose
2 Sacramento
dtype: object创建 DataFrame对象
（1）使用dict和series创建DataFrame对象
>>> population = pd.Series([852469, 1015785, 485199])
>>> city_names = pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
>>> pd.DataFrame({ 'City name': city_names, 'Population': population })
City name Population
0 San Francisco 852469
1 San Jose 1015785
2 Sacramento 485199（2）加载文件到DataFrame中
下面的示例加载了一个包含加利福尼亚州住房数据的文件，read_csv读入文件，describe显示信息。
>>> california_housing_dataframe = pd.read_csv("https://storage.googleapis.com/mledu-datasets/california_housing_train.csv", sep=",")
>>> california_housing_dataframe.describe()
longitude latitude housing_median_age total_rooms
count 17000.000000 17000.000000 17000.000000 17000.000000
mean -119.562108 35.625225 28.589353 2643.664412
std 2.005166 2.137340 12.586937 2179.947071
min -124.350000 32.540000 1.000000 2.000000
25% -121.790000 33.930000 18.000000 1462.000000
50% -118.490000 34.250000 29.000000 2127.000000
75% -118.000000 37.720000 37.000000 3151.250000
max -114.310000 41.950000 52.000000 37937.000000
total_bedrooms population households median_income
count 17000.000000 17000.000000 17000.000000 17000.000000
mean 539.410824 1429.573941 501.221941 3.883578
std 421.499452 1147.852959 384.520841 1.908157
min 1.000000 3.000000 1.000000 0.499900
25% 297.000000 790.000000 282.000000 2.566375
50% 434.000000 1167.000000 409.000000 3.544600
75% 648.250000 1721.000000 605.250000 4.767000
max 6445.000000 35682.000000 6082.000000 15.000100
median_house_value
count 17000.000000
mean 207300.912353
std 115983.764387
min 14999.000000
25% 119400.000000
50% 180400.000000
75% 265000.000000
max 500001.000000 使用DataFrame.head显示前几行记录：
>>> california_housing_dataframe.head()
longitude latitude housing_median_age total_rooms total_bedrooms
0 -114.31 34.19 15.0 5612.0 1283.0
1 -114.47 34.40 19.0 7650.0 1901.0
2 -114.56 33.69 17.0 720.0 174.0
3 -114.57 33.64 14.0 1501.0 337.0
4 -114.57 33.57 20.0 1454.0 326.0
population households median_income median_house_value
0 1015.0 472.0 1.4936 66900.0
1 1129.0 463.0 1.8200 80100.0
2 333.0 117.0 1.6509 85700.0
3 515.0 226.0 3.1917 73400.0
4 624.0 262.0 1.9250 65500.0 使用DataFrame.hist快速了解一个列中值的分布
访问数据
使用 Python dict/list 指令访问 DataFrame 数据：
>>> cities = pd.DataFrame({ 'City name': city_names, 'Population': population })
>>> print(type(cities['City name']))
<class 'pandas.core.series.Series'>
>>> cities['City name']
0 San Francisco
1 San Jose
2 Sacramento
Name: City name, dtype: object>>> print(type(cities['City name'][1]))
<class 'str'>
>>> cities['City name'][1]
'San Jose'
>>> cities['City name'][0]
'San Francisco'
>>> cities['City name'][2]
'Sacramento'操控数据
（1）Python的基本运算指令操作
>>> population = pd.Series([852469, 1015785, 485199])
>>> population / 1000.
0 852.469
1 1015.785
2 485.199
dtype: float64（2）pandas Series 可用作 NumPy 函数的参数
>>> population = pd.Series([852469, 1015785, 485199])
>>> import numpy as np
>>> np.log(population)
0 13.655892
1 13.831172
2 13.092314
dtype: float64（3）对于更复杂的单列转换，可以使用 Series.apply，以参数形式接受 lambda 函数，而该函数会应用于每个值。
>>> population.apply(lambda val: val > 1000000)
0 False
1 True
2 False
dtype: bool（4）修改DataFrame，添加两个Series
>>> cities['Area square miles'] = pd.Series([46.87, 176.53, 97.92])
>>> cities['Population density'] = cities['Population'] / cities['Area square miles']
>>> cities
City name Population Area square miles Population density
0 San Francisco 852469 46.87 18187.945381
1 San Jose 1015785 176.53 5754.177760
2 Sacramento 485199 97.92 4955.055147索引
Series 和 DataFrame 对象也定义了 index 属性，该属性会向每个 Series 项或 DataFrame 行赋一个标识符值。
默认情况下，在构造时，pandas 会赋可反映源数据顺序的索引值。索引值在创建后是稳定的；也就是说，它们不会因为数据重新排序而发生改变。
>>> population = pd.Series([852469, 1015785, 485199])
>>> city_names = pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
>>> cities = pd.DataFrame({ 'City name': city_names, 'Population': population })
>>> city_names.index
RangeIndex(start=0, stop=3, step=1)
>>> cities.index
RangeIndex(start=0, stop=3, step=1)调用 DataFrame.reindex 以手动重新排列各行的顺序。例如，以下方式与按城市名称排序具有相同的效果：
>>> cities.reindex([2, 0, 1])
City name Population
2 Sacramento 485199
0 San Francisco 852469
1 San Jose 101578重建索引是一种随机排列DataFrame的绝佳方式。在下面的示例中，我们会取用类似数组的索引，然后将其传递至NumPy 的random.permutation函数，该函数会随机排列其值的位置。如果使用此重新随机排列的数组调用reindex，会导致DataFrame行以同样的方式随机排列。
>>> import numpy as np
>>> cities.reindex(np.random.permutation(cities.index))
City name Population
0 San Francisco 852469
2 Sacramento 485199
1 San Jose 1015785
>>> cities.reindex(np.random.permutation(cities.index))
City name Population
0 San Francisco 852469
2 Sacramento 485199
1 San Jose 1015785
>>> cities.reindex(np.random.permutation(cities.index))
City name Population
1 San Jose 1015785
0 San Francisco 852469
2 Sacramento 485199每次都把cities的index拿出来放到numpy的函数中随机摇一下再返回。
https://colab.research.google.com/notebooks/mlcc/intro_to_pandas.ipynb?hl=zh-cn